中国LimiX-2力压谷歌亚马逊，登顶结构化数据AI榜首

这两年，AI赛道持续升温。大语言模型LLM竞争激烈的同时，结构化数据侧的AI路线LDM（Large Data Model，结构化数据基础模型）正涌入各类型头部玩家。LDM瞄准生产侧核心痛点：让基础模型直接学习结构化数据中的变量关系、条件关系和生成机制。

Google、Amazon、SAP等巨头纷纷布局。但一支中国团队已率先占据榜首。9月15日，SAP发布TabPFN-3.5，几小时后，由清华博士组成的团队发布400M参数结构化数据基础模型LimiX-2，在TabArena、TALENT、BCCO三个国际主流基准测试的二分类、多分类、回归等任务中拿下第一，呈断层领先。该模型由稳准智能发布。去年其发布的国内首个结构化数据基础模型LimiX已长期霸榜，此后团队继续深耕底层技术，此次再次领先。

稳准智能认为，重要的不是一次第一，而是关键节点都能重回第一。LimiX瞄准的是数据背后的因果规律。相比TabPFN偏目标预测的行级建模，LimiX-2将面向变量关系建模前置为核心目标，学习跨变量、跨样本的联合依赖结构，并自建高质量自动化数据合成引擎，让模型先见过足够复杂的数据世界，再处理真实任务。

LLM已吃透文本、语音、视频，但进入工业生产、科学研究等决策场景时，对因果关系、准确性和稳定性要求陡增，LDM价值愈发清晰。稳准智能联合清华已跑进行业头部。

LLM能力边界不断扩展，但现实世界远比语言世界更大。LLM处理的是已完成“语义化”的现实，而产业系统中大量数据长期存在于语义层之外。以制造业为例，温度、压力、转速等数百上千变量同时变化，构成高维数据空间，关键规律未必被总结成文本。产业关心的是变量间的稳定关系及系统响应。若先转写文本再交给LLM，会经历信息压缩，而压缩掉的细粒度差异可能直接决定预测精度、良率和风险判断。这是结构化数据建模与语言建模的本质差异：LLM学习人类已表达的世界，LDM直接进入真实高维数据空间，从变量关系理解规律。二者是平行、互补的基础模型路线。

随着AI进入复杂决策场景，LDM成为基础模型体系的重要拼图。Google发布TabFM，Amazon推出Mitra，SAP先做SAP-RPT-1，又收购TabPFN背后的Prior Labs，投入超10亿欧元扩建团队。TabPFN-3.5 Plus已进入SAP AI Core，用于现金流预测、付款延迟、供应商风险、客户流失等任务。结构化数据基础模型已从学术新方向变成全球巨头集体押注的基础能力。

稳准智能首席科学家、清华大学计算机系崔鹏教授长期研究结构化数据与因果智能，是LDM理念提出者之一。团队长期探索Scaling规律能否延伸到结构化数据、CMNs能否打开因果建模上限。LimiX、LimiX-2连续冲上国际Benchmark前列，验证了这条技术路线。

TabPFN代表的PFN路线核心目标是给定上下文和目标，让模型快速适应新表并预测Y。但当模型继续深入，问题变成：如果想知道的不止是Y等于多少？生产侧还关心变量间关系及一个变量变化后其他变量如何动。传统以目标变量为中心的PFN路线能力边界逐渐显现：数据先被压缩成高层表示再预测，部分变量级细粒度信息可能被折叠。

LimiX-2动刀的是结构化数据模型最底层的技术范式。团队提出上下文机制网络CMNs，把结构化数据建模从以目标变量为中心的预测问题，推进为面向全变量联合依赖和数据生成机制的关系建模问题。LimiX-2不再把变量关系当成服务于预测的中间信息，而是直接变成模型学习的核心对象。这种底层范式切换类似大语言模型从BERT走向GPT，变化核心在于学习目标和组织信息的方式被重新定义。

CMNs做起来并不简单。训练时不能永远给模型固定题目。团队联合清华提出上下文条件掩码建模CCMM，并升级自动化合成数据生成引擎，通过不断遮住-预测不同变量，逼模型从预测单一目标转向学习变量间的条件依赖和联合结构。预测目标不断变化，模型无法只围着某一个Y死磕，而需摸清整张表变量间关系。底层技术层面，LimiX将建模粒度下沉到Cell-Level，以单元格为基础表示单元，保留列身份、具体取值和缺失状态，支持跨变量、跨样本信息交互。从数据表示到训练目标再到网络计算，整套设计围绕联合依赖建模展开。分类、回归、缺失值填补等任务可统一为对同一数据模型的不同查询，对联合关系的持续建模也为结构发现乃至因果骨架发现提供基础。